省略GROUP BY列时AggregatingMergeTree的聚合逻辑问询

背景 #

现有基于AggregatingMergeTree引擎的表app_events.events，通过物化视图从主表app_events.events_main同步数据：主表的event_timestamp字段被聚合为该表的min_time（类型为AggregateFunction(min, String)），且app_events.events的ORDER BY包含event_date、user_pseudo_id等字段。

核心问题 #

当GROUP BY子句中省略event_date列时，以下两个查询是否等价？

1. 基于AggregatingMergeTree表的查询：

SELECT
        --event_date, --commented out this
        user_pseudo_id,
        event_params_ga_session_id,
        event_params_ga_session_number,
        minMerge(min_time) as min_time
FROM app_events.events
group by 
        --event_date, --commented out this
        user_pseudo_id,
        event_params_ga_session_id,
        event_params_ga_session_number

2. 基于主表的查询：

SELECT
        --event_date,--commented out this
        user_pseudo_id,
        event_params_ga_session_id,
        event_params_ga_session_number,
        min(event_timestamp) as min_time
FROM app_events.events_main
GROUP BY 
--event_date, --commented out this
user_pseudo_id, 
event_params_ga_session_id, 
event_params_ga_session_number ;

另外，省略event_date后，使用minMerge的查询能否得到对应event_timestamp的最小聚合值？

回答 #

1. 两个查询完全等价 #

AggregatingMergeTree的核心是预计算聚合状态并存储，当你使用minMerge(min_time)时，ClickHouse会将所有分组下的min聚合状态合并，最终得到全局范围内以user_pseudo_id、event_params_ga_session_id、event_params_ga_session_number为分组的最小event_timestamp，和直接在主表上执行min(event_timestamp)并按相同字段分组的结果完全一致。

2. 能正确选择聚合状态，得到全局最小的event_timestamp #

虽然app_events.events的ORDER BY包含event_date，但这仅影响数据的存储排序和合并逻辑，不会限制聚合状态的合并范围。当你在GROUP BY中省略event_date时，minMerge会跨所有event_date对应的聚合状态进行合并，最终计算出每个目标分组下的最小event_timestamp，结果和主表查询完全匹配。

内容的提问来源于stack exchange，提问作者Alexandr